共查询到20条相似文献,搜索用时 15 毫秒
1.
一种基于差分演化的粒子滤波算法 总被引:1,自引:0,他引:1
针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布,对重要性分布产生的采样粒子不再做传统重采样操作,而是直接把采样粒子当作DE中的种群样本,粒子权重作为样本的适应函数,对粒子做差分变异、交叉、选择等迭代优化,最后得到最优的粒子点集。试验结果表明,该算法有效缓解了传统PF算法中的粒子退化和贫化,提高了粒子的利用率,具有较好的估计精度。 相似文献
2.
针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法(Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF)。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。 相似文献
4.
为了提高非线性变换的近似精度,提出了一种高阶无迹变换(High order Unscented Transform,HUT)机制,利用HUT确定采样点并进行数值积分去近似状态的后验概率密度函数,建立了高阶无迹卡尔曼滤波(High-order Unscented Kalman Filter,HUKF)算法.进一步的为了解决非线性、非高斯系统的状态估计问题,将HUKF与高斯和滤波(Gaussian Sum Filter,GSF)相结合,提出了一种高斯和高阶无迹卡尔曼滤波算法(Gaussian Sum High order Unscented Kalman filter,GS-HUKF),该算法的核心思想是利用一组高斯分布的和去近似状态的后验概率密度,同时针对每一个高斯分布采用高阶无迹卡尔曼滤波算法进行估计.数值仿真实验结果表明,提出的HUT机制与普通的无迹变换(Unscented Transform,UT)相比,具有更高的近似精度;提出的GS-HUKF与传统的GSF以及高斯和粒子滤波器(Gaussian Sum Particle Filter,GS-PF)相比,兼容了二者的优点,即具有计算复杂度低和估计精度高的特性. 相似文献
5.
6.
7.
8.
9.
10.
11.
文章提出了一种基于差分演化算法的光纤布拉格光栅(FBG)参数重构技术.基于均匀FBG的目标反射谱,可利用差分演化算法寻找一组光栅参数,根据这组参数计算得到的反射谱与目标反射谱偏差最小,该组参数即为重构的光纤光栅参数.数值实例表明,差分演化算法计算效率高,结果精确,是一种实用的参数重构方法. 相似文献
12.
针对非线性、非高斯系统中的粒子滤波算法存在粒子权值退化和重采样后引起样本枯竭问题,提出一种自适应差分演化粒子滤波算法。用一种自适应参数控制策略对差分演化算法的参数进行控制,并以此代替粒子滤波中的重采样算法。通过对状态更新后的粒子做自适应差分变异、自适应杂交和选择等优化操作,利用权值大小选出下一时刻的粒子集合。实验表明,该算法能有效缓解粒子权值退化和样本枯竭问题,缩短算法运行时间,提高估计精度,同一般的差分演化粒子滤波算法相比,状态估计的精度更高。 相似文献
13.
14.
针对降噪过程极易丢失原始数据,产生粗大误差后数据的噪声协方差初始值偏差的问题,研究了电子档案信息化数据自适应无迹卡尔曼(Kalman)滤波降噪算法。电子档案信息化架构包含数据层、业务层、用户层,数据层根据用户层的用户数据请求,完成电子档案信息化数据预处理、决策、监测、分析等,通过拉以达(Laida)准则对电子档案信息化数据提出假设,获取标准偏差概率,确定区间剔除粗大误差,应用Sage-Husa滤波器估计剔除粗大误差后数据的噪声协方差、抑制初始值偏差,最大限度地保留其原始数据,利用无迹卡尔曼算法,实时估计电子档案信息化数据的未知噪声特性,完成电子档案信息化数据降噪,并通过虚拟感应服务连接数据层、用户层、业务层,在业务层呈现用户所需电子档案信息。实验结果表明,该算法能够有效去除电子档案信息化数据的多种噪声,并保留有效数据。 相似文献
15.
16.
在无线传感器网络(WSN)节点的无线电关闭期间,用以维护系统时钟的硬件定时器中断请求(IRQ)是微控制单元(MCU)能耗的重要来源,此时中断频率对WSN节点总能耗影响较大。该文提出一种基于无迹卡尔曼滤波(UKF)估计的时钟分辨率优化方法,根据协议的时间特性来切换中断高低频率。在休眠期间切换到低分辨率,需要唤醒时先通过UKF获得高分辨率计时开始时间的最优估计,再通过分辨率渐变的定时器中断的线性组合来进入高分辨率计时。对Tmote平台的ContikiMAC协议进行的仿真实验中,在无线电占空比(RDC)为0.53%的情况下,所提方法比原始协议总能耗下降28.85%。
相似文献17.
为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。 相似文献
18.
19.
差分进化(DE)算法是一种原理简单且性能优良的智能算法。因其涉及参数较少、计算结果精确性较高、鲁棒性较强,在实际应用中被广泛使用。但DE算法容易陷入局部最优解,且种群变异速度与结果依赖于变异和交叉参数设置。因此,文中提出一种自适应改进差分进化算法,通过控制初始化种群和自适应参数,有效提升了算法的寻优能力。将该算法在十一个测试函数上进行测试,并与四种具有代表性的算法(CLPSO、DE、jDE、SDE)进行比对,结果表明,该算法在问题求解准确度上具有优势,并显示出了较好的鲁棒性。 相似文献